據報 OpenAI 的 Astra 成為中國 AI 實驗室主要的模型蒸餾目標

據報在 Anthropic 強化 Claude 的防禦措施後，OpenAI 的 Astra 已成為中國 AI 實驗室進行模型蒸餾的主要目標。The Decoder 引述 The Information 的報導指出了這一點。

報導點名 DeepSeek 與 Moonshot AI，稱這些組織在開發較新模型時，據稱高度依賴 Astra 的輸出，其中包括被識別為 Kimi K3.1 Pro 和 V4.1-Flash 1017 的產品。根據所提供的證據，這些說法無法獨立驗證；在 The Decoder 所摘要的報導中，兩家公司也都沒有公開回應。

這項發展之所以重要，是因為它顯示，某一家前沿模型供應商採取更強的防護措施後，可能只是將提取嘗試轉向另一家供應商，而不是終止這種做法。對模型建構者和企業 AI採購者而言，這起事件也凸顯，當先進系統能夠被大規模反覆查詢時，保護專有能力有多麼困難。

從 Claude 到 Astra

模型蒸餾是利用能力更強模型的回應，來改善能力較弱或具有競爭關係的系統。在本案中，據報活動似乎涉及取得詳細答案的嘗試，包括部分前沿模型在內部使用的隱藏推理步驟。

Anthropic的 Claude 此前被形容為這類活動的首選目標。The Decoder 報導稱，Anthropic 此後收緊了防禦措施，促使中國 AI 實驗室更加集中於OpenAI的 Astra；報導將其識別為 GPT-6 Astra。

現有證據無法確定這一轉變在中國 AI 產業中的普遍程度、收集了多少 Astra 資料，或所謂活動是否實質改善了任何被點名的模型。不過，這確實指向一場正在變化的競爭：模型供應商試圖阻止未經授權的模仿，而實驗室則尋找以較低成本重現先進能力的方法。

OpenAI 也曾報告一場協同進行的蒸餾活動，並表示其中涉及與 Moonshot 有關聯的人員。The Decoder 轉述該公司的回應稱，OpenAI 嚴肅看待此事，但已觀察到攻擊者會在新的防護措施推出後修改方法。

證據顯示了什麼，以及沒有顯示什麼

這一系列報導中最有力的資訊來自 The Information，但所提供的來源資料並未包含完整文章內容。The Decoder 提出相關說法，並將核心發現歸因於熟悉此事的人士。因此，Astra 遭使用的指稱是一項重要的媒體報導發展，而不是 DeepSeek 或 Moonshot AI 已確認的公開披露。

據 The Decoder 報導，Moonshot 拒絕置評，而 DeepSeek 沒有回應置評要求。這些不回應既不能證實也不能推翻相關指控。現有證據沒有包括技術日誌、資料集、查詢量、訓練紀錄或獨立基準測試結果。

Anthropic 聲稱，其較新的方法將攻擊者能夠提取的資料量降低了 90% 至 99%；這是該公司自行報告的結果。來源資料沒有說明測試條件、所提取資料的定義，或這種降低是否同樣適用於不同的攻擊策略。因此，這個數字應被視為供應商的說法，而不是一般性的安全衡量標準。

報導也沒有顯示 OpenAI 的 Astra 普遍比 Claude 更容易受到攻擊。表面上的轉移可能反映相對存取權、模型品質、帳戶控制、定價、輸出行為，或攻擊者策略的變化。這些因素仍未獲解決。

這對 AI 建構者為何重要

對前沿模型公司而言，據報活動使輸出存取同時成為安全問題和產品功能。API 控制、速率限制、帳戶審查、異常偵測、拒答行為和監控，都成為保護模型能力的一部分。防禦措施也必須考慮這類對手：將請求分散到不同帳戶、改變提示詞，或把看似普通的查詢組合成更大規模的收集行動。

對較小型的 AI 建構者而言，蒸餾可以降低達到競爭性效能的成本，但依賴其他公司的輸出會帶來法律、營運和技術風險。一個大量使用外部模型訓練的系統，可能繼承該模型的盲點、拒答模式、偏見或格式慣例。如果供應商改變存取規則或引入輸出限制，這類系統也可能變得脆弱。

企業採購者應謹慎解讀有關模型模仿的說法。供應商可能展示相近的基準測試分數，卻無法在生產工作流程、工具使用、長上下文任務、安全處理或特定領域準確度方面達到同等可靠性。據稱涉及 Astra 的活動並不能證明蒸餾系統提供等效效能，也不能證明使用這類系統的組織明知而參與未經授權的資料提取。

這起事件也具有競爭層面的影響。如果防禦措施只是將注意力從 Claude 轉向 Astra，模型供應商可能面臨持續的反制循環，而非一次性的解決方案。這可能提高提供高能力模型的成本，並促使供應商提供受到更嚴格控制的介面、來源訊號或差異化存取層級。

接下來值得關注的事

第一個訊號是 OpenAI 是否會公開說明更多與 Moonshot 有關的活動細節，包括它偵測到的方法，以及之後部署的控制措施。技術證據有助於區分針對性濫用與對中國 AI 實驗室的廣泛指稱。

第二個訊號是 Anthropic 是否會發表針對其所報告的 90% 至 99% 資料提取量降低幅度的獨立測試。攻擊假設、測量方法，以及面對適應性攻擊者時的效能等細節，將決定這項數字有多大意義。

研究人員和平台營運商也應觀察 DeepSeek 與 Moonshot AI 被點名的模型發布，留意回應結構、能力特徵或行為是否存在不尋常的相似之處。這些相似性本身不能證明模型蒸餾，但可能促使外界更仔細檢視訓練來源和評估方法。

最後，API 供應商可能開始披露更多有關客戶驗證、使用監控、輸出浮水印，以及自動化收集限制的資訊。這些措施對合法開發者和安全團隊都很重要，因為過度強硬的控制可能使實驗和開放研究更加困難。

Creati.ai 的觀點

據報從 Claude 轉向 Astra，最好被理解為一場圍繞模型行為存取權的軍備競賽，而不是某一家供應商已確定失去系統控制權的證明。現有證據過於有限，無法確定所謂提取活動的規模或任何結果模型的能力。

不過，這則故事仍為建構者提供了實際警示：輸出安全無法與模型部署策略分開。供應商需要能適應攻擊模式變化的防禦措施，而採購者應評估來源、存取政策和獨立效能，不應假定基準測試結果相近就代表真正的能力等價。